Инженеры Технического университета Мюнхена (TUM) представили алгоритм для мобильных роботов, который сочетает 3D-картографирование помещения с языковой моделью для поиска мелких предметов в захламлённой среде. Система строит обновляемую в реальном времени пространственную карту с точностью до сантиметров, а LLM интерпретирует контекст: например, что очки вероятнее лежат на столе, а не на плите. Вероятность нахождения объекта в каждой зоне оценивается численно, робот приоритезирует поиск по «горячим точкам». В тестах эффективность поиска выросла на ~30% по сравнению со случайным сканированием, точность детекции изменений в сцене — ~95%.

Алгоритм опубликован в IEEE Robotics and Automation Letters, текущая версия работает с объектами на открытых поверхностях; поиск внутри ящиков и шкафов — в разработке. Для ИТ-индустрии это сигнал: домашние сервисные роботы переходят от навигации к семантическому пониманию среды, что требует интеграции компьютерного зрения, NLP и планирования движений в единый стек.